Santé : données connectées et IA, confidentialité intégrée

Les défis actuels

Les données existent. Le plus difficile, c’est de les acheminer au bon endroit en toute sécurité.

Des données qui ne circulent pasLes renseignements se trouvent dans des dossiers de santé électroniques (DSE) et des systèmes de laboratoire, de demandes de règlement et de prise de rendez-vous qui ne communiquent pas entre eux. Des normes comme HL7 FHIR facilitent les échanges, mais seulement là où les systèmes les utilisent vraiment.
Les tâches administratives empiètent sur les soinsLa prise de rendez-vous, les demandes de consultation, la facturation et les autorisations préalables accaparent chaque jour des heures de travail du personnel.
Des règles de confidentialité partoutLa HIPAA aux États-Unis, le RGPD en Europe et les lois fédérales et provinciales sur la protection des renseignements personnels au Canada limitent strictement qui peut voir quoi, et l’IA soulève de nouvelles questions dans chaque cas.
Une IA à laquelle les cliniciens peuvent se fierLes modèles qui touchent aux soins exigent une validation, une surveillance et une personne responsable de chaque décision. Un logiciel qui éclaire un diagnostic ou un traitement peut être réglementé comme un instrument médical.

Notre parcours

Nous travaillons avec les données de santé depuis 2008.

Des outils pour HL7 v3 (2008–2009)Nous avons publié Panacea, un environnement d’essai pour les applications de cybersanté, un validateur en ligne gratuit pour les messages HL7 v3 ainsi que le cadre logiciel TEAL, qui permet aux applications de cybersanté d’envoyer des messages normalisés sans refonte majeure.
Message Builder pour Inforoute Santé du Canada (2010)L’organisme national d’interopérabilité en santé du Canada nous a choisis pour bâtir Message Builder, des outils qui permettent aux systèmes cliniques de communiquer plus facilement au moyen des messages normalisés nationaux.
Des dossiers médicaux à l’analytique en santé (2015)Avec Milliman PRM Analytics, nous avons intégré des données de dossiers médicaux électroniques à ses analyses destinées aux organisations de soins responsables.

Là où l’IA aide

Commencez par le travail qui éloigne le personnel des patients.

Décharger le personnel de la prise de rendez-vous, de l’accueil, de la facturation et des autorisations préalables, avec des personnes qui approuvent tout ce qui touche aux soins ou à la couverture.
Réunir les données cliniques et opérationnelles, pour que les équipes puissent planifier leur capacité avant qu’elle ne vienne à manquer.
Résumer et acheminer les demandes de consultation et les documents, avec la source toujours à portée de clic.
Gouverner chaque modèle : validation avant l’utilisation, surveillance par la suite et un responsable désigné.

Comment nous aidons

Trois façons d’aider les organisations de santé.

Questions

Ce que les acheteurs nous demandent.

Comment gérez-vous la protection de la vie privée et la conformité?

Nous intégrons la gouvernance et la sécurité dès le départ, et faisons correspondre les contrôles aux règles qui s’appliquent là où vous exercez vos activités, comme la HIPAA aux États-Unis, le RGPD en Europe et les lois canadiennes sur la protection des renseignements personnels. Nous produisons les preuves dont vos équipes de la protection de la vie privée et de la conformité ont besoin, et travaillons à leurs côtés; nous ne remplaçons pas leurs conseils.

Pouvez-vous travailler avec notre DSE et nos systèmes cliniques?

Nous travaillons avec les normes de messagerie en santé depuis 2008, à commencer par HL7 v3. Nous nous connectons au moyen des interfaces que vos systèmes prennent en charge, comme HL7 et FHIR, plutôt que de les remplacer.

Par où l’IA devrait-elle commencer en santé?

Par le travail administratif aux règles claires, avec une personne qui vérifie le résultat : l’accueil, la prise de rendez-vous, la facturation et l’acheminement des documents. Les usages cliniques viennent plus tard, avec une validation et une supervision clinique.

Preuves en milieu réglementé

Des mandats récents soumis aux mêmes pressions.

Nos études de cas récentes portent sur le secteur bancaire, où les pressions sont les mêmes : des données sensibles, des organismes de réglementation exigeants et une piste d’audit pour chaque décision.

L’une des 20 plus grandes banques régionales américaines · Services bancaires

Renouveler la stratégie et l’architecture de données de l’une des 20 plus grandes banques régionales américaines

Une banque régionale dotée d’une plateforme de données bien établie nous a demandé de renouveler sa stratégie de données pour l’analytique et l’IA. Nous avons comparé sa maturité à celle de ses pairs et conçu l’architecture cible et le modèle opérationnel que la banque a adoptés comme feuille de route en matière de données.

De 2,3 à 3,3 en maturité des données sur deux ans, selon un modèle étalonné sur les pairs

Lire l’étude de cas

Une grande banque nord-américaine · Services bancaires

Un modèle opérationnel propulsé par l’IA pour les équipes de livraison d’une grande banque nord-américaine

Une grande banque avait investi dans des outils d’IA, mais ses équipes de livraison travaillaient comme elles l’avaient toujours fait. Pendant 15 semaines, nous avons formé plus de six cellules de livraison et travaillé en leur sein, mis l’IA au travail sur tout le cycle de vie du logiciel avec des points de contrôle humains, et laissé une feuille de route pour étendre la démarche.

6+ cellules formées et accompagnées sur des travaux de livraison réels

Lire l’étude de cas

Toutes les études de cas

Autres secteurs